AFC가 수행된 후, 항목반응패키지이론(IRT)에 의한 규모항목의 매개변수를 추정하기 위해 ltm(Rizopoulos, 2006 )과 Mokken(Van der Ark, 2007 )이 채택되었다. Mokken 패키지는 아이템과 규모가 단조로움을 보여주었습니다. 이 가설은 한 피험자가 어려운 항목에 올바르게 응답하고 어려운 항목에 오류를 범한 피험자에 비해 난이도가 낮거나 더 쉬울 확률을 고려했습니다. 이러한 타당성은 항목에 대한 반응이 특히 WHOQOL-OLD 도구에 대한 세타 함수(Van der Ark, 2007 )임을 나타냅니다. 이는 답변의 옳고 그름을 얻는 것이 아니라 항목의 표현에 얼마나 만족하는지에 관한 것입니다. 문헌에서는 0.30을 초과하는 Löevinger H(전체 척도에 대한 H 및 각 항목에 대한 HS)가 단조성 척도 및 항목에 대한 좋은 지표라고 제안합니다. 또한, de Mokken의 rho를 사용하여 샘플 데이터가 IRT 수학적 모델을 지원하는지 여부를 평가했습니다. 0.80보다 높은 값은 데이터가 신뢰할 수 있다는 지표입니다(Mokken & Lewis, 1982 ; Van der Ark, 2007 ).
다음으로, 상수 차별의 IRT 모델( ac )[Rating Scale Model(Andrich, 1978 )]과 가변 차별(av)[등급 응답 모델(GRM)(Samejima, 1969 )]을 비교 했습니다 . 이를 위해 카이제곱( χ 2 )을 사용하여 각 모델의 우도율을 비교했습니다. 통계적으로 유의미한 차이가 없는 경우 저장 문제에 대해 우리는 가장 간단한 모델, 즉 모든 항목이 동일한 차별 매개변수( a ) 값을 갖는 상수 차별 모델을 선택했습니다(Andrade, 2014 ). GRM 모델 참여자의 반응기준 조정 을 위한 척도로서 χ2 검정 의 활용 , 관찰된 반응기준의 빈도와 모델에 의한 예측빈도 간의 차이를 조사하였다. 관찰된 것과 예측된 것 사이의 작은 차이 때문에 우리는 좋은 조정의 표시로 3보다 낮은 값을 채택했습니다(Drasgow, Levine, Tsien, Williams, & Mead, 1995 ).
구글상위노출